黃山青

(滁州學院 經(jīng)濟與管理學院，安徽 滁州，239000)

基于SPSS的高校網(wǎng)站網(wǎng)絡影響力的實證研究
——以中國林業(yè)類高校為例

黃山青

(滁州學院 經(jīng)濟與管理學院，安徽 滁州，239000)

綜合國內和國外對大學網(wǎng)站的網(wǎng)絡影響力研究的成果，并且運用層次分析法和綜合評分法確定各評價指標的權重，建立林業(yè)類高校網(wǎng)站的網(wǎng)絡影響力評價模型，采用定性評價與定量評價相結合的研究方法對我國林業(yè)類高校網(wǎng)站做測評，得出我國林業(yè)類高校網(wǎng)站的網(wǎng)絡影響力綜合指數(shù)，同時利用SPSS軟件對結果進行統(tǒng)計分析，通過聚類和因子分析，得出結論，從而對我國林業(yè)類高校網(wǎng)站有一個更加全面的認識。

林業(yè)類；高校網(wǎng)站；網(wǎng)絡影響力；實證研究；

隨著網(wǎng)絡的日益普及，各個高校和科研機構也紛紛建立自己的網(wǎng)站，就是為了提供一個便于快速交流的網(wǎng)絡平臺，各個高校之間就可以方便的進行教學管理、學術交流和技術探討和研究，也可以使廣大學生以及社會相關人員更快捷、更便利地掌握有關學術、技術以及各個高校和科研機構的信息。為了更好的利用高校網(wǎng)站擴大其影響力，就需要對它們的網(wǎng)站的網(wǎng)絡影響力進行評價研究。盡管如此，對于高校網(wǎng)站的網(wǎng)絡影響力的研究，目前不是很多，特別是關注度較低的專業(yè)類高校，比如說林業(yè)類高校、農(nóng)業(yè)類高校。本研究主要是通過SPSS軟件來實證研究林業(yè)類高校網(wǎng)站的網(wǎng)絡影響力[1-2]。

1 樣本的選取

根據(jù)教育部對林業(yè)類高校的界定[3]，本文研究中選取的樣本如下表1。表中包括研究對象的名稱，所在地，研究對象是不是211高校，研究對象是不是本科院校，研究對象網(wǎng)站的主頁域名[4]。在本研究中我們只要用到的是各院校的網(wǎng)站主頁域名。

表1 選取的樣本Table 1 Selected samples

續(xù)表

院校名稱所在地是不是211院校性質院校網(wǎng)站主頁山西林業(yè)職業(yè)技術學院山西否專科http://www.sxly.com.cn/遼寧林業(yè)職業(yè)技術學院遼寧否?？苃ttp://www.lnlzy.cn/黑龍江林業(yè)職業(yè)技術學院黑龍江否?？苃ttp://www.hljlzy.com/福建林業(yè)職業(yè)技術學院福建否?？苃ttp://www.fjlzy.com/江西環(huán)境工程職業(yè)學院江西否?？苃ttp://www.jxhjxy.com/廣西生態(tài)工程職業(yè)技術學院廣西否專科http://www.gxstzy.cn/甘肅林業(yè)職業(yè)技術學院甘肅否?？苃ttp://www.gsfc.edu.cn/黑龍江生態(tài)工程職業(yè)學院黑龍江否?？苃ttp://www.hfmc.net/湖北生態(tài)工程職業(yè)技術學院湖北否專科http://www.hb-green.com/云南林業(yè)職業(yè)技術學院云南否專科http://www.ynftc.cn/安徽林業(yè)職業(yè)技術學院安徽否?？苃ttp://www.ahlyxy.cn/

2 網(wǎng)站的網(wǎng)絡影響力評價指標體系

根據(jù)文獻中的網(wǎng)絡影響力評價模型，涉及網(wǎng)站網(wǎng)絡影響力指標有很多[5]，本文結合高校的特點，根據(jù)以往研究者的研究成果，把指標歸納為訪問量指標、可見度指標和鏈接指標，在每個指標下面又有更為詳細的指標，從而建立一個三級層次評價指標體系模型[6]，根據(jù)上述研究，將高校網(wǎng)站的網(wǎng)絡影響力指標體系作為目標層(A)，將訪問量指標等作為準則層(B)，將訪問人數(shù)、網(wǎng)站的網(wǎng)絡可見度等作為選擇的方案層(C)，建立林業(yè)類高校網(wǎng)站的網(wǎng)絡影響力指標多級遞階結構模型[7]，圖1。

圖1 高校網(wǎng)站的網(wǎng)絡影響力指數(shù)的指標體系層次結構模型Fig.1 System hierarchical model of the network influence index of the university website

采用層次分析法對各個指標進一步進行處理，建立指標體系層次結構模型[8]，利用圖書情報學相關研究領域的專家對各個指標的權重進行賦值，得出每個指標的最終權重[9-10]，如下表2。

表2 網(wǎng)絡影響力指標的權重Table 2 The weight of the network impact indicators

從表2中可以知道訪問人數(shù)、網(wǎng)絡影響因子和可見度指標所占的權重較高，而訪問人數(shù)和頁瀏覽數(shù)權重較小，即對網(wǎng)絡影響力的作用較低，這和以往相關研究中把網(wǎng)絡影響力作為研究唯一因素在某種程度上是一致的。

3 原始數(shù)據(jù)的獲取

利用Alexa，Altavisa，Google和baidu這些工具和相關方法來獲取原始數(shù)據(jù)[11]。

3.1、訪問人數(shù)(H)、人均訪問頁面數(shù)(IV)、頁面瀏覽數(shù)(PV)和入鏈網(wǎng)站數(shù)(E)等指標數(shù)值可以通過Alexa獲取。

3.2、入鏈網(wǎng)頁數(shù)通過Altavisa或Google的“l(fā)ink”獲取。方法： L1=linkdomain:baidu.com AND NOT host:baidu.com(以百度(baidu)為例)，選用數(shù)值大的作結果。

3.3、可見度通過利用Altavista和baidu的“site”或“domain”獲取。方法：可見度=domain：baidu.com 或=site：baidu.com。用這兩個工具中較大的那個數(shù)據(jù)。

3.4、網(wǎng)絡影響因子(WIF)可以通過上面的幾種數(shù)據(jù)的獲取計算出來，WIF=L/D。

3.5、數(shù)據(jù)的無量綱化。由于指標體系中所包括的各個指標具有不同的計量單位，在構建綜合指標時，首先應該統(tǒng)一這些指標的量綱，量綱不統(tǒng)一的主要缺點是可能扭曲各個變量之間的相對重要程度。

本文的具體方法為：

首先，把每項指標中值最大的數(shù)據(jù)作為1，其他的數(shù)據(jù)根據(jù)最大值按比例計算。

其次，將標準化后的數(shù)據(jù)與該指標的權重相乘，然后將這些指標值求和就得到各個樣本的綜合指數(shù)。

最后，為了更好的研究各個樣本的綜合指數(shù)，把最終的綜合指數(shù)乘以10000，取四位小數(shù)，從而得到網(wǎng)絡影響力的綜合指數(shù)終值[12]。

4 測試結果和計算出綜合指數(shù)

根據(jù)上述的方法，對研究對象的進行數(shù)據(jù)獲取，得到原始數(shù)據(jù)(數(shù)據(jù)檢索時間為2012年7月22日的6:30到7:15)。在得到原始數(shù)據(jù)的基礎上計算出每個樣本的WIF。

根據(jù)原始數(shù)據(jù)，在依據(jù)上面的數(shù)據(jù)的獲取方法，調整數(shù)據(jù)，主要是標準化數(shù)據(jù)——數(shù)據(jù)無量綱化，把其中的一些數(shù)據(jù)(H，PV，WIF)小數(shù)有效位取為6位。

再根據(jù)調整后的數(shù)據(jù)和網(wǎng)絡影響力指標體系的計算方法，其實這個步驟就是回歸，它的線性回歸方程：

綜合指標=0.3031H+0.0578IV+0.1324PV+0.0923E+0.0508L+0.1958D+0.1677WIF，

也就綜合指標受到訪問人數(shù)(H)、人均訪問頁面數(shù)(IV)、頁面瀏覽數(shù)(PV)和入鏈網(wǎng)站數(shù)(E)、入鏈網(wǎng)頁數(shù)(L)、可見度(D)和網(wǎng)絡影響因子(WIF)的影響。從而出我國各個林業(yè)類高校網(wǎng)站網(wǎng)絡影響力的綜合指標，如下表：

表3 綜合指標表Table 3 Consolidated indicators table

(H為訪問人數(shù)，IV為人均訪問頁面數(shù)，PV為頁面瀏覽數(shù)，E為入鏈網(wǎng)站數(shù)，L為入鏈網(wǎng)頁數(shù)，D為可見度，WIF為網(wǎng)絡影響因子，以下各表中同)

6 SPSS統(tǒng)計分析和結論

利用SPSS軟件對測試結果進行聚類和因子分析[13]。

(1)聚類分析

利用系統(tǒng)聚類法來對本文中相關數(shù)據(jù)進行聚類分析。首先，我們根據(jù)各個林業(yè)類高校網(wǎng)站的綜合指標對高校進行聚類，系統(tǒng)聚類法對三個觀測值進行聚類分析。為了更好的利用SPSS統(tǒng)計軟件，對相關數(shù)據(jù)進行了處理，比如說是不是211，本文中1為是0為不是。

經(jīng)過數(shù)據(jù)錄入和SPSS聚類分析，輸出結果顯示樣本都是有效的，輸出結果為：

表4 聚類分析的類成員表Table 4 Cluster membership

續(xù)表

案例3群集2群集133214321532163217321832

由表5可知，當聚成3類時，北京林業(yè)大學和東北林業(yè)大學為一類，南京林業(yè)大學、浙江農(nóng)林大學、中南林業(yè)科技大學、西南林業(yè)大學和浙江農(nóng)林大學天目學院為一類，其他的大學為另一類。當聚成2類時，北京林業(yè)大學和東北林業(yè)大學為一類，其他的大學為一類。通過綜合考慮網(wǎng)站網(wǎng)絡影響力綜合指標以及大學類型的聚類可以發(fā)現(xiàn)和現(xiàn)實實踐中的情況非常吻合[14]。

(2)因子分析

從表4中我們可以看出有些數(shù)據(jù)有共性，因子分析就是要得出那些因素是同類，是可以用一個因子來代替幾個因素的。從前面的分析和WIF的計算公式可知，我們那些影響網(wǎng)站網(wǎng)絡影響力的因素，有共線性。所以本文對一些因素進行因子分析。

通過SPSS中的因子分析，得出各個變量時獨立的可以進行因子分析，分析結果如下：

表5 主成分表Table 5 Total variance explained

提取方法：主成份分析法.

表5中列出了所有的主成分，且按照特征值的從大到小次序排序。從表中可見，第一成分特征根為3.982，方差貢獻率為56.88%，前兩個主成分的累計貢獻率為81.832%，根據(jù)提取因子的條件——特征值大于1，本文選出兩個因子。

表6 因子負荷矩陣Table 6 Component matrixa

提取方法：主成份分析法.

已提取了2個成份.

表7用來反映各個變量的變異可以主要由哪些因子解釋。通過這個矩陣就可以給出各變量的因子表達式(假設兩個因子變量為F1和F2)：

ZH=0.958F1+0.151F2

ZIV=0.115F1+0.834F2

ZPV=0.932F1+0.250F2

ZE=0.965F1+0.113F2

ZL=-0.328F1+0.570F2

ZD=0.907F1+0.057F2

ZWIF=-0.566F1+0.790F2

這些公式和表6中，每個數(shù)據(jù)表示了相應因子變量對應原變量的相對重要程度。

表7 因子得分系數(shù)矩陣Table 7 Component score coefficient matrix

提取方法：主成份分析法.

由表7可知用回歸法得出因子得分表達式，也就是因子得分函數(shù)的系數(shù)，根據(jù)它可以寫出以下的因子得分函數(shù)，如下所示：

F1=0.24ZH+0.029ZIV+0.234ZPV+0.242ZE-0.082ZL+0.228ZD-0.142ZWIF

F2=0.086ZH+0.477ZIV+0.143ZPV+0.064ZE+0.327ZL+0.033ZD+0.453ZWIF

表8 因子得分的協(xié)方差矩陣Table 8 Component score covariance matrix

提取方法：主成份分析法.

從表8可知，由于因子得分的協(xié)方差為單位矩陣，說明提取得兩個公因子之間是不相關的。到此SPSS的因子分析結束，下面對所得結果進行分析。

從上面結果得出，由7個變量，經(jīng)過因子分后得出2個因子變量，利用2個因子變量，可以計算出每個高校網(wǎng)站的網(wǎng)絡影響力的綜合指數(shù)。這里，我們用這2個因子變量的方差貢獻作為權數(shù)，于是得到下面的計算公式：

綜合指數(shù)=0.5688F1+0.24952F2

按照這個公式，也可以計算出這些學校網(wǎng)站的網(wǎng)絡影響力的綜合指數(shù)。

根據(jù)上述分析，基本上可以將7個變量按照載荷分成兩類，可以結合相關知識給各因子命名，其中第一因子中ZH、ZPV、ZE、ZD，這些變量反映鏈接特征的網(wǎng)站規(guī)模情況，就稱用戶鏈接因子。第二因子中有ZIV、ZL、ZWIF，大學網(wǎng)站的信息資源外部利用程度，也就是網(wǎng)站的吸引力，就稱網(wǎng)站吸引力引子。可以按照這個公式分別計算出18個研究對象的網(wǎng)絡影響力的綜合指數(shù)。

[1]Almind T C, Ingwersen P. Informetric analyses on the World Wide Web: methodological approaches to“Webometrics”[J]. Journal of Documentation, 1997, 53 (4): 404-426.

[2]程妮. 中國科學評價研究中心首次發(fā)布“中國重點大學網(wǎng)絡影響力排行榜”[J]. 評價與管理，2008(03)：78-79.

[3]百度百科.高等學校[EB/OL].(2012-01-27)[2012-07-03].http://baike.baidu.com/view/17407.htm.

[4]新浪教育.高校院校庫[EB/OL].(2012-01-01)[2012-07-03].http://kaoshi.edu.sina.com.cn/collegedb/collegelist.php?type=林業(yè)&dpc=1.

[5]吳茵茵.網(wǎng)絡影響因子實證研究:基于不同搜索引擎的大學網(wǎng)站影響力分析[J].圖書情報工作, 2005(4):107-111.

[6]段宇鋒，劉偉. 電子政務信息資源網(wǎng)絡影響力評價指標體系研究[J].情報資料工作，2006(1)：43-46.

[7]曾荷.電子政務信息資源的網(wǎng)絡影響力評價研究[D].上海：華東師范大學，2007.

[8]許樹伯.實用決策方法——層次分析法原理[M].天津:天津大學出版社,1988.

[9]汪應洛.系統(tǒng)工程理論、方法與應用[M].北京：高等教育出版社，2005.

[10]層次分析法.yaahp[EB/OL].(2012-06-15)[2012-07-20].http://www.jeffzhang.cn.

[11]百度百科.AltaVista[EB/OL].(2011-07-11)[2012-07-22]. http://baike.baidu.com/view/93295.htm.

[12]沈固朝.網(wǎng)絡信息檢索-工具、方法、實踐[M].北京：高等教育出版社，2004.

[13]盧紋岱.SPSS統(tǒng)計分析(第四版)[M].北京：電子工業(yè)出版社，2010.

[14]搜狐教育.中國大學排行榜[EB/OL].(2012-02-01)[2012-08-14].http://learning.sohu.com/dxphb/.

Empirical studies on the network influence of university website based on SPSS——with forestry universities in China as the example

HUANG Shanqing

(Chuzhou University,School of Economics and Management,Chuzhou,239000，China)

Comprehensive the outcomes of domestic and abroad on university websites network influence,use hierarchy analytic process and the comprehensive score method to determine the evaluation index of the weight.Establish the evaluation model of the forestry college website’s network influence.And use qualitative evaluation and quantitative evaluation methods to evaluate.forestry universities website in china.Drawn a network influence composite index for China’s forestry class university website.The results were statistically analyzed by SPSS software,cluster and factor analysis.Thus,we have a more comprehensive understanding for China’s forestry class university website.

forestry category;university website;network influence;empirical research.

1672-7010(2017)01-0052-07

2017-01-27

黃山青(1987-)男，安徽蚌埠人，實驗師，碩士研究生，從事管理科學與工程研究，E-mail：heartseahuang@163.com

TP393 < class="emphasis_bold">文獻標志碼：A

A

課題資助：安徽省高校人文社科研究一般項目(sk2016B11);橫向項目(HX2016094)